基于概念的自然纹理分类

纹理是图像的重要视觉特征,纹理分类是图像分析、计算机视觉等领域一个重要的研究课题。文章不同于以往的纹理分类方法,提出了一种基于概念的纹理分类方法。该方法以中文自然语言中常用的纹理描述词作为纹理概念,给出了10个基本概念的纹理分类,然后利用Gabor滤波参数和SVM对自然纹理图像进行分类,实现了图像的纹理视觉特征到纹理概念的转换,部分解决了纹理概念与纹理参数之间的“语义鸿沟”问题。     

一种新的自然纹理分类方法

纹理分类一直是图像处理领域重要的研究课题之一。目前,用数学方法描述纹理特征从而进行纹理分类非常流行,但这些方法无法消除纹理视觉特征和人们理解的纹理概念之间的语义障碍。提出了一种新的基于中文自然语言纹理描述词的纹理方法,把常见的自然纹理分为10大类别,然后利用小波包分解和最小二乘支持向量机对自然纹理进行分类,实现了纹理的视觉特征到语义描述的转换。实验结果证明,该方法在图像理解和基于自然语言的图像检索中有助于缩小纹理特征的数学描述和人类理解之间的“语义鸿沟”。     

结构与光谱信息相结合的遥感图像分类方法

对结合纹理信息与光谱信息的遥感图像分类方法进行了研究。首先介绍了常规的遥感图像分类方法，监督分类法和非监督分类法，并结合ERDAS软件和试验数据进行分类实验；接着引出纹理信息的概念，并探讨其在遥感图像分类中的应用，提取原数据中的纹理信息参与分类；最后，比较分析分类的结果，论证了结构与光谱信息相结合的遥感图像分类方法可行性。     

基于非监督纹理分割下的图像查询

随着图像数据库的广泛应用,基于图像纹理的查询已经变成了一项重要也是复杂的工作。为了更简便地查询图像,文中基于图像纹理的非监督分割,提出了新的图像分类方法。通过对每一纹理图像进行这种非监督纹理分割,提取纹理的特征向量,然后基于这些参数,运用假设检验进行纹理的分类和融合。通过对MT Vistex和Brodatz数据库中选取的纹理图像进行分类测试,证明该方法是十分有效的。     

纹理谱在雷达图像非监督纹理分类中的应用

基于Ｄ．Ｃ．ＨｅａｎｄＬ．Ｗａｎｇ提出的纹理单元、纹理谱的概念，对雷达图像进行了纹理谱非监督纹理分类的试验研究。结果表明这种纹理谱非监督纹理分类算法应用于雷达图像，其效果令人满意。     

基于非监督纹理分割下的图像查询

随着图像数据库的广泛应用，基于图像纹理的查询已经变成了一项重要也是复杂的工作。为了更简便地查询图像，文中基于图像纹理的非监督分割，提出了新的图像分类方法。通过对每一纹理图像进行这种非监督纹理分割，提取纹理的特征向量，然后基于这些参数，运用假设检验进行纹理的分类和融合。通过对MT Vistex和Brodatz数据库中选取的纹理图像进行分类测试，证明该方法是十分有效的。     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法。针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征。通过对声纳图像的分类实验,结果证实该方法行之有效。     

基于方向经验模式分解的纹理分类

提出一种纹理分类的新方法———基于方向经验模式分解的纹理分类。这个方法自适应地将图像分解为一个特定方向的IMF,然后分析IMF通过二维希尔伯特变换的方向频率和包络。对不同的自然纹理图像进行实验,并将结果与文献[1]的结果做比较。实验结果证明,本文方法的识别效果优于文献[1]。     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法.针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征.通过对声纳图像的分类实验,结果证实该方法行之有效.     

基于纹理和BP神经网络的SAR图像分类

研究基于纹理和BP神经网络的SAR图像分类。首先用增强FROST滤波算法对SAR图像进行去噪处理。然后基于灰度共生矩阵理论提取去噪后的SAR图像多种纹理特征,并通过大量实验筛选出有效的纹理特征。最后,结合纹理特征,分别采用经典的最大似然分类法和BP神经网络分类法对SAR图像进行分类。实验结果表明：纹理信息辅助SAR图像的灰度进行分类,大大地提高了SAR图像的分类精度;基于BP神经网络的SAR图像分类精度高于最大似然分类法的分类精度。     

基于直方图比率特征的虹膜图像分类方法

针对虹膜纹理的模式分类问题,提出了一种直方图比率特征的虹膜纹理分类方法。该方法利用虹膜图像的直方图信息,提取虹膜灰度等级对,通过灰度等级对自相关策略。计算虹膜纹理的直方图比率特征,实现了虹膜纹理的最大化分类。在相同的实验条件下,对不同样本的虹膜图像进行了仿真实验,结果表明：直方图比率方法较传统的直方图方法平均提高了3．05％的识别率。     

A new approach for rotation-invariant and noise-resistant texture analysis and classification

The analysis and classification of images, such as texture images, is one of the substantial and important fields in image processing. Due to destructive effects of image rotation and noise, the stability and efficiency of texture analysis and classification methods are an important research area. In this paper, a new method for texture analysis and classification has been proposed which is based on a particular combination of wavelet, ridgelet and Fourier transforms as well as support vector machine. The proposed method has been evaluated for 13 texture datasets produced by three original datasets containing 25 and 111 original textures from Brodatz database and 24 original textures from OUTEX database. These datasets comprise 415584 and 93600 rotated noise-free and noisy texture images for Brodatz database and also 49920 noisy and 4320 noise-free texture images for OUTEX database, respectively. Simulation results demonstrate the capability, efficiency and also stability of the proposed method especially for real-time rotation-invariant and noise-resistant texture analysis and classification.     

基于独立分量分析和支持向量机的遥感影像融合分类算法

遥感影像分类是遥感定量化分析的重要手段,遥感影像融合是提高分类正确率的有效途径之一。本文提出一种遥感影像的融合分类算法。首先采用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析的去相关性、稀疏特性以及很好地捕捉影像重要边缘信息、纹理信息的能力,提取融合影像的独立分量特征,并用支持向量机实现分类。与其他算法的主、客观比较结果表明,该算法的实验效果较好,可有效地提高遥感影像的分类精度。     

Texture segmentation using fractal dimension

This paper deals with the problem of recognizing and segmenting textures in images. For this purpose the authors employ a technique based on the fractal dimension (FD) and the multi-fractal concept. Six FD features are based on the original image, the above average/high gray level image, the below average/low gray level image, the horizontally smoothed image, the vertically smoothed image, and the multi-fractal dimension of order two. A modified box-counting approach is proposed to estimate the FD, in combination with feature smoothing in order to reduce spurious regions. To segment a scene into the desired number of classes, an unsupervised K-means like clustering approach is used. Mosaics of various natural textures from the Brodatz album as well as microphotographs of thin sections of natural rocks are considered, and the segmentation results to show the efficiency of the technique. Supervised techniques such as minimum-distance and k-nearest neighbor classification are also considered. The results are compared with other techniques     

纹理元提取与纹理合成的自由参数估计

该文分析了常见的两类纹理:随机性纹理与结构性纹理的特性,针对其不同的统计特征,采用两种方法提取纹理元。对随机性纹理采用变尺度窗口特征跟踪的方法提取纹理元;对结构性纹理,利用其具备较为明显的边界特性,采用基于图像分割的方法提取纹理元。为避免图像噪声和自然边界不连续造成的提取误差,使用Bayes分类进行二次精细分割加以修正。实验证明,该文提出的方法对两类纹理元有较好的提取效果,同时可以用来估计纹理合成时的自由参数。     

基于深度学习的乳腺X射线影像分类方法研究

X射线乳腺影像与自然图像相比,色彩较为单调,且乳腺肿块边缘模糊,良性肿块与恶性肿块纹理相似,区分度较小。基于卷积深度学习网络提出一种适用于X射线乳腺肿块影像分类的方法,主要贡献如下：（1）提出一种提取乳腺影像多个卷积粒度的特征图的方案,分别使用不同尺寸的卷积核来提取不同粒度的卷积特征图,获得更为丰富的乳腺影像特征;（2）将判别方法嵌入到优化模型中,即设计新的目标函数,对分类误差进行差异化放大,从而加大分类错误的惩罚力度,指导模型向着分类错误最小的方向演进。在公开的乳腺X射线影像数据集上进行训练,通过交叉验证,AUC达到0.712?9,优于最好的乳腺影像分类方法,具有较强的鲁棒性。     

Image restoration by matching gradient distributions

The restoration of a blurry or noisy image is commonly performed with a MAP estimator, which maximizes a posterior probability to reconstruct a clean image from a degraded image. A MAP estimator, when used with a sparse gradient image prior, reconstructs piecewise smooth images and typically removes textures that are important for visual realism. We present an alternative deconvolution method called iterative distribution reweighting (IDR) which imposes a global constraint on gradients so that a reconstructed image should have a gradient distribution similar to a reference distribution. In natural images, a reference distribution not only varies from one image to another, but also within an image depending on texture. We estimate a reference distribution directly from an input image for each texture segment. Our algorithm is able to restore rich mid-frequency textures. A large-scale user study supports the conclusion that our algorithm improves the visual realism of reconstructed images compared to those of MAP estimators.